0
关于深度学习的框架之争一直都没停止过，每隔一阵大家就要进行一次框架大讨论：
TensorFlow的使用者虽多，又有谷歌的背书，但真的很！难！用！
Pytorch虽然入门简单、上手快，但因为开源时间不长，关于它的文档和代码相对较少。
Keras作为TensorFlow的高级KPI，一旦有什么想法需要快速建模验证时很方便，但相较tf功能还是没那么全。
Caffe虽然方便部署，但是C++的框架，在编程上会比较难。
……
每个框架都各有优劣，而针对于此的讨论也一直没有停息。
近日，Yoshua Bengio教授的一封邮件又让对框架的讨论迅速升温，在邮件中，他表示， 他们将会停止对Theano的更新，接下来，会以最低成本对Theano进行为期一年的维护，之后就将彻底与Theano告别。详情可参见雷锋网此前发文【深度学习框架Theano 宣布完成历史使命，即将退役】。
这意味着，开发者又要与一个深度学习框架说再见了。
深度学习框架祖师爷Theano
早在今年一月份雷锋网 AI科技评论进行框架大盘点时，就曾详述过Theano 。详情可以参见【盘点四大民间机器学习开源框架：Theano、Caffe、Torch 和 SciKit-learn】
Theano基于 Python，是一个擅长处理多维数组的库（这方面类似于 NumPy），它的设计初衷是执行深度学习中大规模神经网络算法的运算。Theano早期的开发者有Yoshua Bengio和Ian Goodfellow，由于出身学界，它最初是为学术研究而设计。当它与其他深度学习库结合起来之后，会非常适合于数据探索。
Theano可以被更好地理解为一个数学表达式的编译器：用符号式语言定义你想要的结果，该框架会对你的程序进行编译，来高效运行于 GPU 或 CPU。
在过去的很长一段时间内，Theano都是是深度学习开发与研究的行业标准。比起深度学习库，它更像是一个研究平台，你需要从底层开始做许多工作，来创建自己需要的模型，这就意味着它的灵活性很强。
再怎么优秀的工具都有退出历史舞台的一天，曾经深得学界青睐的Theano也不例外。
作为深度学习框架中祖师级的存在，从 2007的推出到2017的落幕，到现在刚好历经十年。
Theano已完成历史使命，功成身退
针对Theano的落幕，AI科技评论与众多开发者进行了交流，大家的看法出奇一致：
——对于这件事情并不吃惊，很正常的更新换代。
——以前用 Theano的人大都已经换成其他框架，Theano已完成了它的历史使命，退出舞台是必然的。
为什么说Theano的落幕是历史必然？针对于此，AI科技评论联系了几个曾经接触过Theano的开发者进行了采访：
KDD Cup 2017的双料冠军胡可对AI科技评论表示 ，虽然在KDD Cup比赛时用了Theano，但平时在其他任务上一般用的是TensorFlow或者CNTK。“Theano完成了它的历史使命，它比较适合实验室的toy data，不太适合当前工业界‘大数据’的需求。”正如胡可所言，生于学界的Theano，必然有其应用局限性——比较适合做小规模的短期实验，而在近两年数据量剧增且优秀框架层出不穷的当下，就不再那么得人心了。
曾经接触过Theano的一位开发者表示，Theano的速度在当时来说，与同期的Torch相比并不算快，更比不上现在新出的框架。此外，在代码实现上，比起其他框架，Theano也不是很直接。
2015年，一个关于机器学习的博客fastML就将Torch与Theano进行了对比：
图中红色柱状图指Torch，绿色柱状图指Theano，可以看到Torch在大多数情况下性能都要优于Theano。
而对于使用Theano的原因，卡内基梅隆大学（CMU）语言技术研究所（LTI）博士研究生王赟对AI科技评论表示，他是2015年初开始做深度学习的，那时候还没有Tensorflow，而同时期的Torch又是基于他不会的Lua语言，所以最终选择了Theano。“才短短两年多，就已经天翻地覆”，他感慨道。确实如此，短短两年的时间，TensorFlow的用户量就遥遥领先，亚马逊开始为Mxnet背书，微软和 Facebook 也牵手发布ONNX，而Theano则黯然退出历史舞台。
Theano并非完全消失
那么，就像之前媒体所报道的那样，Theano已死？并非如此。
Bengio在他的公开邮件上这样写道，“多年以来，我们都以 Theano 的创新深感自豪，其创新也正被其他框架继承和优化。比如，把模型表达为数学表达式、重写计算图以获得更优性能和内存使用、GPU 上的透明执行、更高阶的自动微分，正在全部成为主流。”
正如Bengio所言，从现在的主流模型之中，我们仍然可以看到Theano的影子。它并没有死，而是影响着许许多多的模型。
事实上，Theano的很多开发人员都去谷歌参与TensorFlow的开发了，其中包括早期开发成员Ian Goodfellow。而后起之秀Tensorflow在功能上与Theano十分相似，它也是一个偏底层的框架，相比Theano，性能也更加优化。
上图为TensorFlow系统架构，详情可参见雷锋网【从系统和代码实现角度解析TensorFlow的内部实现原理】一文。
AWS工程师张帜对AI科技评论表示：新老交替，这一天总会来的。基本上所有的轮子都参考过Theano，它也不算彻底消失。
知乎网友mileistone 也如此评价Theano：Theano开启了基于符号运算的机器学习框架的先河，然后随着tf和pytorch的崛起，完成自己的历史任务。
下一步
Bengio在他的邮件中表示，目前支持深度学习研究的软件生态系统快速进化，还有很多别的优秀的深度学习框架可供选择。
而随着对「Theano停止更新」的缅怀结束，似乎话题又要转向另一个方向了，那就是，究竟下一步该选择什么框架呢？
讨论虽多，每家各执一言，但有个不争的事实：TensorFlow的忠实拥护者一直处于遥遥领先状态，有利于快速建模验证的Keras也颇得人心，后起之秀PyTorch的粉丝数日益增多，背靠亚马逊的MxNet、背靠微软的CNTK更新也一直稳定。
不过对框架的选择也许并不是重点，有网友评价，框架就是刻刀，而开发者是雕刻家。虽说刻刀的选择很重要，但雕出来的东西好不好，更多是取决于个人。
CMU LTI博士研究生王赟也对AI科技评论这样说道：
其实这么多年我看着各种库的起起落落，还有一种感慨是研究者不能始终抱着一个大腿，要与时俱进。但是时代的潮流在哪里也不是随时都能看出来的，也没法时刻保持自己在前沿，但好在掌握了一个库之后再换另一个库并不是很费劲。
相信这也是千千万万开发者的观点，框架的选择并没有「那么」重要，更重要的是研究者自身的与时俱进。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
